머신러닝을 진심으로 마스터하기 위한 서구권 기술서 5선——이론의 벽을 넘고 싶은 사람들에게

머신러닝의 구현을 넘어 수학적 원리와 이론적 근거를 깊이 있게 이해하고자 하는 이들을 위한 필독서 5권을 소개합니다. Deep Learning, PRML, ESL 등 세계적인 명저를 통해 알고리즘의 동작 원리를 근본적으로 파악하는 방법을 제시합니다.

Alibaba는 2.4T 모델을 출시하고 OpenAI는 연산 비용 절감을 위해 Codex 컨텍스트를 축소하다

Alibaba와 Moonshot AI가 각각 2.4조 및 2.8조 파라미터 규모의 대형 오픈 웨이트 모델을 출시하며 기술 경쟁을 가속화하고 있습니다. 반면 OpenAI는 비용 절감을 위해 Codex 컨텍스트를 축소했으며, Anthropic은 코딩 에이전트의 성능을 입증했습니다.

Thinking Machines의 Inkling 모델: Anthropic 브랜딩에 도전장을 던지다

Thinking Machines가 9,750억 개의 파라미터를 가진 Inkling 모델과 Tinker 플랫폼을 공개했습니다. 이 모델은 Anthropic과 경쟁하며, 단순 자동화를 넘어 인간의 전문 지식을 확장하는 인지 능력 향상에 초점을 맞춘 개방형 가중치 모델입니다.

극심한 데이터 희소성 시나리오를 위한 유산 언어 부활 프로그램을 위한 설명 가능한 인과 강화학습 (Explainable Causal

데이터가 극도로 부족한 유산 언어 보존을 위해 인과 추론, 설명 가능한 AI(XAI), 메타 강화학습을 결합한 Causal-HRL 아키텍처를 제안합니다. 표준 RL의 한계를 극복하고 언어 습득의 인과 메커니즘을 모델링하는 연구를 다룹니다.

Claude Code가 200체로 상한을 둔 주, Kimi K3는 300체의 지휘를 「학습」으로 내놓았다

실증 연구: AI 에이전트 규칙에는 컨텍스트와 계층적 집행이 필요하다

ActPlane 논문은 AI 코딩 에이전트의 행동 규칙을 분석하여, 자연어 지시사항을 시스템이 실행 가능한 상태로 전환하는 데 발생하는 어려움을 다룹니다. 연구 결과, 개발자들은 이미 많은 정책을 작성하고 있으나 이를 집행하기 위해서는 단순한 OS 훅을 넘어 컨텍스트와 계층적 구조가 필요함을 보여줍니다.

Rectified Flow 입문

Rectified Flow의 개념과 Flow Matching과의 관계를 직관적으로 설명하는 입문 가이드입니다. 이론적 엄밀함보다는 코드를 읽고 쓸 수 있는 직관적 이해와 Reflow 과정을 통한 궤적 직선화에 초점을 맞춥니다.

AI 증류가 실제로 돌아가는 순서는 이렇다. 큰 모델을 자르는 게 아니라, 선생의 판단을 학생에게 옮기는 학습이다.

AI 증류(Knowledge Distillation)의 작동 원리와 단계를 설명합니다. 대형 모델(Teacher)의 확률 분포를 소형 모델(Student)에게 학습시켜, 모델 크기를 줄이면서도 성능을 최대한 유지하는 과정을 다룹니다.

AI 증류가 실제로 돌아가는 순서는 이렇다. 큰 모델을 자르는 게 아니라, 선생의 판단을 학생에게 옮기는 학습이다.

AI 증류(Knowledge Distillation)의 작동 원리와 학습 과정을 설명합니다. 대형 모델(Teacher)의 확률 분포를 소형 모델(Student)에게 전달하여 효율적으로 성능을 전이하는 메커니즘을 다룹니다.

prefix 캐시를 파괴하지 않고 KV 캐시를 줄이는 IntentKV

에이전트 실행 시 발생하는 KV 캐시 메모리 병목 문제를 해결하기 위한 IntentKV 논문을 소개합니다. 기존의 KV 축소 방식이 prefix 캐시 재사용성을 해치는 문제를 지적하며, 물리적 위치를 유지하면서 토큰을 무효화하는 새로운 접근법을 제시합니다.

Fractale-350M-base: 긴 컨텍스트 대신 학습된 행동으로서의 메모리, 완전 공개 연구 결과물

Fractale-350M-base는 긴 컨텍스트 대신 학습된 '빠른 가중치 메모리(fast-weight memory)'를 사용하는 386M 파라미터 규모의 베이스 모델입니다. 8개의 벡터 뱅크를 통해 정보를 저장하며, 메모리가 순전파 과정의 일부로 통합되어 검색 없이도 효율적인 정보 유지가 가능함을 입증했습니다.

당신은 돌릴 수 없다. 하지만 Kimi K3는 당신의 청구서를 저렴하게 만들 것이다

Moonshot AI의 Kimi K3 출시와 함께 오픈 웨이트 모델의 가치가 '로컬 실행'에서 '비용 경쟁 유도'로 변화하고 있습니다. 거대 오픈 모델이 클로즈드 모델의 가격 인하를 강제하며 사용자 비용을 낮추는 메커니즘을 분석합니다.

Sam Altman의 발언 인용

OpenAI의 Sam Altman은 과거 이사회 회의에서 GPT-3 수준의 언어 모델을 소비자 하드웨어에서 로컬로 구동하여 출시하겠다는 계획을 밝힌 바 있다. 이는 강력한 AI 모델이 시장에 빠르게 등장하는 것을 늦추고, 후속 기술 개발 및 자금 확보를 어렵게 만들 수 있다는 우려를 담고 있다.

SenseNova의 7B 멀티모달 비전 모델 가이드

SenseNova-Vision-7B-MoT는 단일 아키텍처로 텍스트, 이미지, 혼합 출력을 생성하는 통합 멀티모달 모델입니다. 별도의 작업별 헤드 없이 자연어 지시문과 시각적 프롬프트를 통해 탐지, 세그멘테이션, 깊이 추정 등 다양한 비전 작업을 수행합니다.

GPT 5.6, IMO 2026의 6개 문제 모두 해결

GPT 5.6 Pro가 인간의 도움 없이 단 한 번의 시도로 IMO 2026의 6개 문제를 모두 해결하는 놀라운 성과를 거두었습니다. 이는 세계 최고 수준의 수학적 난제를 AI가 자율적으로 해결할 수 있음을 보여주는 중요한 연구적 돌파구입니다.

개선된 커널 부분 최소 제곱법 (Improved Kernel PLS)의 개선

IKPLS 알고리즘의 계산 효율성을 높이기 위해 X 회전 및 Y 로딩 계산 과정을 가속화하는 새로운 전략을 제안합니다. 병렬화가 용이한 직접 평가 방식과 연산 비용을 획기적으로 줄이는 등가성 식별을 통해 CPU와 GPU 환경에서 성능을 크게 향상시켰습니다.

PRISA: 교차로 안전 평가를 위한 선제적 인프라 LiDAR 프레임워크

교차로 안전을 위해 LiDAR를 활용한 선제적 인프라 프레임워크인 PRISA를 제안합니다. 수동 주석 없이 궤적 예측 모델을 학습하며, 실시간 위험 탐지와 이중 안전 평가를 통해 다중 에이전트 상호작용을 모니터링합니다.

Riemannian flow matching을 이용한 LHC 데이터로부터의 표준 모형 (Standard Model) 구조 학습

Riemannian conditional flow matching 모델인 ShellFlow를 통해 LHC 데이터를 기반으로 표준 모형(Standard Model)의 구조를 학습하는 연구입니다. 단일 트랜스포머 모델이 광범위한 질량 영역에서 입자 운동학 및 물리적 상관관계를 성공적으로 재현함을 입증했습니다.

적응형 주거용 단기 부하 예측을 위한 행동 조건부 신경 프로세스 (Behaviour-Conditioned Neural Processes)

주거용 단기 부하 예측(STLF)을 위해 행동 패턴을 Neural Process 모델 내에 내장한 '행동 조건부 Attentive Neural Process(ANP)' 프레임워크를 제안합니다. 이 모델은 이산 및 연속 잠재 변수를 활용하여 사용자별 이질적인 소비 패턴과 불확실성을 효과적으로 포착합니다.